DIV SISTEM KENDALI CERDAS

NAMA : RAHMAD NOVAN NURHADI

NO BP : 2111019007
KELAS : DIV ALIH KREDIT

PROGRAM STUDI DIV TEKNIK ELEKTRONIKA INDUSTRI JURUSAN

TEKNIK ELEKTRO
POLITEKNIK NEGERI PADANG
2021
1. Tugas 1 (Sistem Kendali Cerdas - Himpunan crisp)

Misal variable kekeruhan air baku sungai menjadi 4 kategori, yaitu

NB : Satuan (NTU)

JERNIH, Kekeruhan ≤ 5

BERSIH 5 ≤ kekeruhan ≤ 15

KERUH 15 ≤ kekeruhan ≤ 35

KOTOR kekeruhan≥ 35

Nilai keanggotaan secara grafis, himpunan JERNIH, BERSIH, KERUH, KOTOR:

1 JERNIH 1 BERSIH 1 KERUH 1 KOTOR

µ(x) µ(x) µ(x) µ(x)

0 0 0 0
0 5 5 15 15 35 35
kekeruhan (NTU) kekeruhan (NTU) kekeruhan (NTU) kekeruhan (NTU)

Kekeruhan 4 NTU maka dikatakan JERNIH → µJERNIH [4] = 1

Kekeruhan 5 NTU maka dikatakan TIDAK JERNIH → µJERNIH [5] = 0
Kekeruhan 5 NTU maka dikatakan BERSIH → µBERSIH [5] = 1
Kekeruhan 4 NTU maka dikatakan TIDAK BERSIH→ µBERSIH [4] = 0
Kekeruhan 5 NTU kurang dari 0.1 NTU maka dikatakan TIDAK BERSIH→ µBERSIH [5 NTU – 0,1 NTU] =0
Kekeruhan 5 NTU lebih dari 0,1 NTU maka dikatakan TIDAK JERNIH → µJERNIH [5 NTU + 0,1 NTU] = 0

Kekeruhan 14 NTU maka dikatakan BERSIH → µBERSIH [14] = 1

Kekeruhan 15 NTU maka dikatakan TIDAK BERSIH → µBERSIH [15] = 0
Kekeruhan 15 NTU maka dikatakan KERUH → µKERUH [15] = 1
Kekeruhan 14 NTU maka dikatakan TIDAK KERUH→ µKERUH [14] = 0
Kekeruhan 15 NTU kurang dari 0.1 NTU maka dikatakan TIDAK KERUH→ µKERUH [15 NTU – 0,1 NTU]
=0
Kekeruhan 15 NTU lebih dari 0,1 NTU maka dikatakan TIDAK BERSIH → µBERSIH [15 NTU + 0,1 NTU]
=0

Himpunan crisp untuk menyatakan suhu bisa tidak adil karena adanya perubahan kecil saja pada suatu
nilai mengakibatkan perbedaan kategori yang cukup signifikan.

HIMPUNAN FUZZY
Himpunan fuzzy digunakan untuk mengantisipasi hal tersebut diatas. Kondisi suhu dapat masuk dalam 3
himpunan yang berbeda, JERNIH dan BERSIH, BERSIH dan KERUH, KERUH dan KOTOR. Seberapa besar
eksistensinya dalam himpunan tersebut dapat dilihat pada nilai/derajat keanggotaannya. Himpunan fuzzy
untuk variabel KEKERUHAN:
1 JERNIH BERSIH KERUH KOTOR

0.5

0 2 4 5 10 15 25 35

Kekeruhan 4 NTU termasuk dalam himpunan JERNIH dengan µJERNIH[4] = 0.50 termasuk juga dalam
himpunan BERSIH dengan µBERSIH[4] = 0.5, kekeruhan 10 NTU termasuk dalam himpunan BERSIH
dengan µBERSIH[10] = 0.50 termasuk juga dalam himpunan KERUH dengan µKERUH[10] = 0.5,
kekeruhan 25 NTU termasuk dalam himpunan KERUH dengan µKERUH[25] = 0.5 termasuk juga dalam
himpunan KOTOR dengan µKOTOR[25] = 0.5

Fungsi Keanggotaan(Membership fuction)

suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai yang memiliki interval
antara 0 sampai 1. Contoh grafik diatas adalah suatu fungsi keanggotaan untuk variabel KEKERUHAN
yang dibagi menjadi 4 kategori atau 4 himpunan fuzzy yaitu JERNIH, BERSIH, KERUH, dan KOTOR. dimana
dapat direpresentasikan sebagai berikut :

µJERNIH [x] = 1, X≤2 µKERUH [x] = 0, X ≤ 15

5-x 2<x<5 x-5 15 < x < 35
5 -2 X≥5 15 - 5
15 ≤ x ≤ 35
0, 35 - x
µBERSIH [x] = 0, 35 - 15
x-2 X≤5 µKOTOR = 0, X ≤ 15
5–2 5 < x < 35 x - 15 15 < x < 35
15 - x 5 ≤ x ≤ 15 35 - 15 X ≥ 35
15 - 5 1,

2. Tugas 2 (Sistem Kendali Cerdas – Teori Wang)

X = Berat Badan
U = [0, 100] → Domain/ruang lingkup tinggi badan misal dari 0 sampai 100 kg
B (Berat badan) = {Kurus, Sedang, Gemuk} Variable berat terbagi menjadi 3 himpunan fuzzy yaitu
Kurus, Sedang, Gemuk

Maka M untuk setiap X, M(x) adalah : M(Kurus), M(sedang), M(Gemuk)

M(kurus) = himpunan fuzzynya “berat badan dibawah 40kg” dengan fungsi keanggotaan µ kurus
M(sedang) = himpunan fuzzynya “berat badan mendekati 75kg” dengan fungsi keanggotaan µ sedang
M(gemuk) = himpunan fuzzynya “berat badan diatas 90kg” dengan fungsi keanggotaan µ gemuk
Gambar garafik fungsi keanggotaannya sebagai berikut:

1 kurus sedang gemuk

0 40 75 90

Sehingga himpunan fuzzy untuk.

M(kurus) = {(0,1), (1,1), (2,1), …, (40,1), …, (57,0.533), …, (75,0), (76,0) … (100,0)}

M(sedang) = {(0,0), (1,0), (2,0), …, (40,0), …, (57,0.533), …, (75,1), (76,0.933) … (100,0)}

M(tinggi) = {(0,0), (1,0), (2,0), …, (40,0), …, (57,0), …, (75,0), (76,0.866) … (100,1)}

3. Tugas 3 (Sistem Kendali Cerdas – Teori Isukamoto)

Suatu perusahaan otomotif kendaraan mobil akan memproduksi mobil avanza. Dari data 1 bulan
terakhir, permintaan terbesar mencapai 250 item/hari, dan permintaan terkecil, sampai 50 item/hari.
Persediaan barang di gudang terbanyak sampai 30 item/hari, dan terkecil pernah 5 item/hari. Dengan
segala keterbatasannya, sampai saat ini, perusahaan baru mampu memproduksi barang maksimum
450 item/hari, serta demi efisiensi mesin dan SDM perusahaan memproduksi paling tidak 100 item.

Apabila proses produksi perusahaan tersebut menggunakan 4 aturan fuzzy:

R1: IF permintaan turun AND persediaan banyak THEN produksi barang berkurang

R2: IF permintaan turun AND persediaan sedikit THEN produksi barang berkurang

R3: IF permintaan naik AND persediaan banyak THEN produksi barang bertambah

R4: IF permintaan naik AND persediaan sedikit THEN produksi barang bertambah

Berapa banyak unit mobil avanza yang harus diproduksi, jika jumlah permintaan sebanyak 200 item
dan persediaan di gudang masih 15 item?

Solusi:

FUZZIFIKASI → membuat fungsi keanggotaan

Ada 3 variable fuzzy yang akan dimodelkan, yaitu:

 1. PERMINTAAN
Terdiri atas 2 himpunan fuzzy yaitu NAIK dan TURUN
µ permintaan TURUN [x] =
Derajat/nilai keanggotaan:
1,
X ≤ 50
250 – x µ permintaan TURUN [200]
50 < x < 250
250-50
X ≥ 250 = (250 – 200)/200 = 0.25
0,

µ permintaan NAIK [x] =

µ permintaan NAIK [200]
0, = (200 – 50)/200 = 0.75
X ≤ 50
x – 50
50 < x < 250
250-50
X ≥ 250
1,
µ[x]
TURUN NAIK
1

0.75

0.25

0 50 200 250
Permintaan (item/hari)

2. PERSEDIAAN
Terdiri atas 2 himpunan fuzzy yaitu SEDIKIT dan BANYAK
µ persediaan SEDIKIT [y] =
Derajat/nilai keanggotaan:
1,
y≤5
30 – y µ persediaan SEDIKIT [15]
5 < y < 30
30-5 = (30 – 15)/25 = 0.6
y ≥ 30
0,

µ persediaan BANYAK [y] =

µ persediaan BANYAK [150]
0, = (15 – 5)/25 = 0.4
y≤5
y–5
5 < y < 30
30-5
y ≥ 30
1,

µ[x]
TURUN NAIK
1

0.6

0.4

0 5 15 30
Persediaan (item/hari)
 3. PRODUKSI BARANG
Terdiri atas 2 himpunan fuzzy yaitu BERKURANG dan BERTAMBAH

µ produksi BERKURANG [z] =

Derajat/nilai keanggotaan:
1,
z ≤ 100
450 – z µ produksi BERKURANG [z]
100 < z < 450
450-100 = (450 – z)/350 =???
z ≥ 450
0,

µ produksi BERTAMBAH [z] =

µ produksi BERTAMBAH [z]
0, = (z – 100)/350 =???
z ≤ 100
z – 100
100 < z < 450
450-100
z ≥ 450
1,

MENENTUKAN OUTPUT CRISP

Pada metode TSUKAMOTO untuk menentukan output crisp menggunakan rata-rata berbobot yaitu:
- R1: IF permintaan TURUN AND persediaan BANYAK THEN produksi barang BERKURANG
Maka Produksi barang BERKURANG
𝛼1 = µ permintaan TURUN [x] Ո µ persediaan BANYAK [y]
= min (µ permintaan TURUN [200] Ո µ persediaan BANYAK [15]
= min ([0.25], [0.4])
= 0.25
Menurut fungsi keanggotaan himpunan produksi barang BERKURANG pada persamaan diatas maka
diperoleh persamaan berikut.
𝑍𝑚𝑎𝑥 − 𝑍1
= 𝛼1
𝑍𝑚𝑎𝑥 − 𝑍𝑚𝑖𝑛

Z1 = Zmax - 𝛼1 (Zmax – Zmin)

Z1 = 450 -0.25(450 – 100)
Z1 = 450 – (112,5 – 25)
Z1 = 450 – 87,5
Z1 = 362,5

- R2: IF permintaan TURUN AND persediaan SEDIKIT THEN produksi barang BERKURANG

Maka Produksi barang BERKURANG

𝛼2 = µ permintaan TURUN [x] Ո µ persediaan SEDIKIT [y]
= min (µ permintaan TURUN [200] Ո µ persediaan SEDIKIT [15]
 = min ([0.25], [0.6])
= 0.25
Menurut fungsi keanggotaan himpunan produksi barang BERKURANG pada persamaan diatas maka
diperoleh persamaan berikut.
𝑍𝑚𝑎𝑥 − 𝑍2
= 𝛼2
𝑍𝑚𝑎𝑥 − 𝑍𝑚𝑖𝑛

Z2 = Zmax – 𝛼2 (Zmax – Zmin)

Z2 = 450 -0.25(450 – 100)
Z2 = 450 – (112,5 – 25)
Z2 = 450 – 87,5
Z2 = 362,5

- R3 : IF permintaan NAIK AND persediaan BANYAK THEN produksi barang BERTAMBAH

Maka Produksi barang BERTAMBAH

𝛼3 = µ permintaan NAIK [x] Ո µ persediaan BANYAK [y]

= min (µ permintaan NAIK [200] Ո µ persediaan BANYAK [150]
= min ([0.75], [0.4])
= 0.4
Menurut fungsi keanggotaan himpunan produksi barang BERTAMBAH pada persamaan diatas maka
diperoleh persamaan berikut.
𝑍3 − 𝑍𝑚𝑖𝑛
= 𝛼3
𝑍𝑚𝑎𝑥 − 𝑍𝑚𝑖𝑛

Z3 = 𝛼3 (𝑍𝑚𝑎𝑥 − 𝑍𝑚𝑖𝑛) + 𝑍𝑚𝑖𝑛

Z3 = 0.4 (450 – 100) + 100
Z3 = (180 – 40) + 100
Z3 = 140 + 100
Z3 = 240
- R4: IF permintaan NAIK AND persediaan SEDIKIT THEN produksi barang BERTAMBAH

𝛼4 = µ permintaan NAIK [x] Ո µ persediaan SEDIKIT [y]

= min (µ permintaan NAIK [200] Ո µ persediaan SEDIKIT [15]
= min ([0.75], [0.6])
= 0.6
Menurut fungsi keanggotaan himpunan produksi barang BERTAMBAH pada persamaan diatas maka
diperoleh persamaan berikut.
𝑍4 − 𝑍𝑚𝑖𝑛
= 𝛼4
𝑍𝑚𝑎𝑥 − 𝑍𝑚𝑖𝑛

Z4 = 𝛼4 (𝑍𝑚𝑎𝑥 − 𝑍𝑚𝑖𝑛) + 𝑍𝑚𝑖𝑛

Z4 = 0.6 (450 – 100) + 100
Z4 = (270 – 60) + 100
Z4 = 210 + 100
Z4 = 310

Defuzifikasi
Pada metode tsukamoto, untuk menentukan output crisp, digunakan defuzifikasi
rata-rata terpusat, yaitu :

𝛼1𝑧1 + 𝛼2𝑧2 + 𝛼3𝑧3 + 𝛼4𝑧4

z= 𝛼1+𝛼2+𝛼3+𝛼4

0.25∗362,5 + 0.25∗362,5 + 0.4∗240 + 0.6∗310

= 0.25 + 0.25 + 0.4 +0.6
90,625 + 90,625 + 96 + 186
= 1.5

=463,25
Jadi Jumlah mobil Avanza yang di produksi menurut Metode Tsukamoto adalah 463,25 item